基于改進A＊算法的無人配送車避障最優(yōu)路徑規(guī)劃

陳榮軍，謝永平，于永興，趙慧民★，盧 旭，陸許明

（1.廣東技術(shù)師范大學(xué) 計算機科學(xué)學(xué)院，廣東 廣州 510665；2.中山大學(xué) 花都科技研究院，廣東 廣州 510006）

0 引言

無人配送車是近年來智能移動機器人發(fā)展的產(chǎn)物，是由科學(xué)研究走向產(chǎn)品落地的階段性成果，無人配送車路徑規(guī)劃問題，是指按照某一性能指標(biāo)搜索一條從起始狀態(tài)到目標(biāo)狀態(tài)的最優(yōu)或次最優(yōu)的無碰路徑[1].其主要解決三個問題：(1)使無人配送車能從初始點運動到目標(biāo)點；(2)用一定算法使無人配送車能繞開障礙物，并且經(jīng)過某些必須經(jīng)過的點；(3)在完成以上任務(wù)的前提下，盡量優(yōu)化無人配送車運行軌跡[2].無人配送車根據(jù)對外部環(huán)境信息的感知程度，細(xì)分為感知全部環(huán)境信息的全局路徑規(guī)劃和感知部分環(huán)境信息的局部路徑規(guī)劃，基于A*算法進行無人配送車的路徑規(guī)劃主要研究的內(nèi)容是全局路徑規(guī)劃[3].無人配送車的全局路徑規(guī)劃一般是在靜態(tài)已知環(huán)境地圖下進行研究的，而在靜態(tài)已知環(huán)境中，影響無人配送車實現(xiàn)快速安全配送的性能指標(biāo)主要包括規(guī)劃生成的路徑長度，路徑平滑度，路徑離障礙物的距離和規(guī)劃路徑過程中消耗的時間等.

無人配送車路徑規(guī)劃的研究屬于智能移動機器人領(lǐng)域研究范疇，而針對智能移動機器人路徑規(guī)劃問題目前已進行了大量的研究，包括基于節(jié)點的Dijkstra算法[4]、A*算法[5-8]等，基于采樣的RRT算法[9-10]等，基于生物啟發(fā)式的遺傳算法[11]、蟻群算法[12]等，基于模型的動態(tài)窗口法[13]、人工勢場法[14]等.傳統(tǒng)A*算法在靜態(tài)環(huán)境下能夠快速搜索到可行有效的路徑，因此廣泛用于智能移動機器人路徑規(guī)劃，但基于八鄰域搜索的A*算法規(guī)劃生成的路徑包含了很多不必要的冗余點，且在拐點處的轉(zhuǎn)折角度過大，致使規(guī)劃生成的路徑長度過長，路徑曲率不連續(xù)，不利于無人配送車的平穩(wěn)運行，同時基于八鄰域搜索的A*算法路徑規(guī)劃耗時較長，滿足不了無人配送車快速規(guī)劃路徑的需要.張超超等人[7]提出了一種針對路徑長度和轉(zhuǎn)折角度進行改進的算法，有效縮短了基于八鄰域搜索A*算法規(guī)劃的路徑長度和轉(zhuǎn)折角度，路徑規(guī)劃的時間也有較大幅度降低，但其算法規(guī)劃生成的路徑轉(zhuǎn)折線段仍然存在，且路徑規(guī)劃的時間也較長，致使無人配送車無法穩(wěn)定快速地規(guī)劃生成出最優(yōu)的路徑；陳若男等人[15]通過引入最佳的鄰域矩陣進行障礙搜索，并結(jié)合分區(qū)自適應(yīng)距離信息改進啟發(fā)函數(shù)，明顯提升了路徑的安全性，但是路徑距離和規(guī)劃時間都無明顯改善；李沖等人[16]提出了一種基于方向約束的A*算法，通過方向約束和定向擴展機制進行路徑規(guī)劃，有效提高了路徑規(guī)劃的搜索效率，但在復(fù)雜環(huán)境下，規(guī)劃生成的路徑距離達(dá)不到最優(yōu)，且路徑搜索效率也不高.

綜上所述，現(xiàn)有改進A*算法的相關(guān)研究工作，在一定的條件約束下，路徑規(guī)劃的單一性能指標(biāo)有了明顯提升，但還無法兼顧規(guī)劃生成路徑的安全性、實時性、平滑性等問題.為此，本文提出一種能夠適用于無人配送車全局路徑規(guī)劃的改進A*算法.在基于八鄰域搜索A*算法的基礎(chǔ)上，設(shè)計出了一種適應(yīng)無人配送車運行環(huán)境的多啟發(fā)式搜索方法，使其能夠很好地衡量每個路徑擴展節(jié)點的計算成本，進而快速規(guī)劃出更優(yōu)的路徑.同時，本文還提出一種路徑優(yōu)化策略，將初步生成的路徑轉(zhuǎn)折曲線優(yōu)化為圓弧，進一步降低路徑的轉(zhuǎn)折角度.最后，改進A*算法的搜索路徑機制，使規(guī)劃生成的路徑與障礙物保持在一定的距離，以此保證無人配送車在運行的過程中不碰到障礙物，安全到達(dá)目標(biāo)位置.本文改進的A*算法不僅保證了規(guī)劃生成的路徑全局最優(yōu)，實現(xiàn)了最大限度地平滑路徑，同時有效地增強了無人配送車的避障能力，提高了路徑規(guī)劃的快速性和安全性.

1 構(gòu)建環(huán)境模型

在無人配送車路徑規(guī)劃中，構(gòu)建無人配送車工作環(huán)境模型是非常重要的環(huán)節(jié).首先需要將所有傳感器感知的環(huán)境信息融合在一起，建立一張表示無人配送車工作場景的環(huán)境地圖.之后將地圖以柵格為單位進行劃分，可以非常方便地把無人配送車工作場景映射成包含二值信息的網(wǎng)格模型.柵格地圖將無人配送車工作環(huán)境劃分成一系列等尺寸的柵格，并且根據(jù)外部環(huán)境信息將柵格劃分為障礙物區(qū)域和可自由通行區(qū)域.圖1中的白色柵格部分表示無人配送車可自由通行區(qū)域，黑色柵格部分表示障礙物區(qū)域.

基于研究和驗證算法的需要，對所建立的環(huán)境模型限定以下3點約束條件：(1) 柵格邊界是在考慮無人配送車安全距離的基礎(chǔ)上確定的，因此無人配送車在環(huán)境中可視為一個質(zhì)點；(2) 柵格地圖是一個簡單有限的二維空間，不考慮障礙物和無人配送車高度的影響，并且無人配送車的移動方向是任意的；(3) 柵格地圖是靜態(tài)固定的，無人配送車全局路徑規(guī)劃是在一個靜態(tài)的已知空間內(nèi)運動.圖1是由柵格地圖構(gòu)建的無人配送車工作環(huán)境，無人配送車路徑規(guī)劃的目的是實時找到一條從起始位置到目標(biāo)位置的最優(yōu)無碰路徑.

圖1 柵格地圖

2 傳統(tǒng)A★算法

A*算法是一種基于圖的搜索算法，也是一種基于啟發(fā)式搜索的高效尋路算法，其中基于柵格地圖的啟發(fā)式搜索方式有四鄰域和八鄰域搜索等.

四鄰域搜索是指從當(dāng)前柵格同時向周圍的上下左右四個柵格方向進行搜索，八鄰域搜索除了沿上下左右四個柵格方向搜索，還增加了左上、右上、左下、右下四個柵格搜索方向.基于柵格地圖的四鄰域和八鄰域搜索如圖2所示.傳統(tǒng)A*算法通過估價函數(shù)的設(shè)計，深度融合了廣度優(yōu)先搜索算法和深度優(yōu)先搜索算法所具有的特點，使其能夠在靜態(tài)已知環(huán)境中找到一條合適可行的路徑.因此，A*算法廣泛應(yīng)用于靜態(tài)已知環(huán)境下的全局路徑規(guī)劃.

圖2 四鄰域和八鄰域搜索

此外，A*算法的優(yōu)劣，極大程度取決于估價函數(shù)的設(shè)計.設(shè)計好估價函數(shù)之后，便確定了路徑搜索時的啟發(fā)規(guī)則和方向.它首先從起始點開始搜索周圍的每一個節(jié)點，同時估價函數(shù)計算周圍每個節(jié)點的估價值，選取最小估價值的節(jié)點作為下一個擴展的節(jié)點，更新起始點，之后不斷循環(huán)搜索，搜索到目標(biāo)位置之后，再從目標(biāo)位置不斷回溯到起始位置，最終生成路徑.A*算法在整個的路徑搜索過程中，始終都是以最低的估價值不斷循環(huán)搜索，因此最終的估價值也是最小的.用于計算A*算法估價值的數(shù)學(xué)表達(dá)式定義如式(1)所示：

表達(dá)式1中：F(n)是從起始位置到目標(biāo)位置的估價值，G(n)是從起始位置到節(jié)點n的實際代價值，H(n)是從節(jié)點n到目標(biāo)位置的啟發(fā)函數(shù)估價值.因此，A*算法要找到最優(yōu)路徑，關(guān)鍵在于H(n)的選取，設(shè)節(jié)點n到目標(biāo)位置的實際代價為R(n)，H(n)＞R(n)時，搜索的節(jié)點少，搜索范圍小，效率高，但不能保證搜索到最優(yōu)的路徑；H(n)=R(n)時，估計代價等于實際代價，A*算法將沿著最短路徑進行搜索，找到最優(yōu)的路徑；H(n)＜R(n)時，搜索的節(jié)點多，搜索范圍大，效率低，但能找到最優(yōu)路徑.定義啟發(fā)函數(shù)的距離有Chebyshev距離、Euclidean距離、Manhattan距離及文獻[6]根據(jù)Euclidean距離和Manhattan距離設(shè)計的定義啟發(fā)函數(shù)的距離，即

其中nx是節(jié)點n的橫坐標(biāo)，ny是節(jié)點n的縱坐標(biāo)，gx是目標(biāo)點的橫坐標(biāo)，gy是目標(biāo)點的縱坐標(biāo)..由于無人配送車路徑規(guī)劃是以實際距離進行評估的，以規(guī)劃生成最短的路徑為目標(biāo)，因此Chebyshev距離不適用.此外，計算兩點間的最短距離，Euclidean距離和Manhattan距離都是常用的距離定義啟發(fā)函數(shù)，其中基于八鄰域柵格的搜索，Euclidean距離定義的啟發(fā)函數(shù)明顯優(yōu)于Manhattan距離定義的啟發(fā)函數(shù).再者文獻[6]距離定義的啟發(fā)函數(shù)在八鄰域柵格搜索方式中，大大增加了路徑搜索時間，也不是最優(yōu)選擇.通過對以上四種距離進行分析后發(fā)現(xiàn)，都不能很好地適應(yīng)無人配送車工作環(huán)境.因此，本文將結(jié)合Euclidean和Manhattan距離，設(shè)計出一種搜索效率更高，生成路徑更優(yōu)的啟發(fā)函數(shù).

3 改進A★算法

針對無人配送車路徑規(guī)劃過程中耗時較長，路徑不夠平滑，避障性能不足等問題，本文在傳統(tǒng)A*算法的基礎(chǔ)上，對基于八鄰域搜索方向的A*算法進行了三方面的改進及優(yōu)化，通過重新設(shè)計距離定義啟發(fā)函數(shù)使得改進A*算法能夠在搜尋路徑的過程中，兼顧了可通行區(qū)域和障礙物區(qū)域，并且優(yōu)化了路徑的生成策略，最大限度地平滑了算法生成的路徑.同時，改進了A*算法的搜索路徑機制，使規(guī)劃生成的路徑與障礙物保持在一定的距離，實現(xiàn)了適合無人配送車行駛的最優(yōu)安全路徑的快速規(guī)劃.本文算法流程圖如圖3所示.

3.1 距離定義智能啟發(fā)函數(shù)的設(shè)計

改進的A*算法采用基于柵格地圖的八鄰域搜索方式，設(shè)計出一種基于多啟發(fā)式搜索的智能啟發(fā)函數(shù)，使其能夠根據(jù)無人配送車的工作場景.結(jié)合Euclidean距離和Manhattan距離，在不同的搜索方向中使用不同的但保持一定比例的距離加權(quán)值，通過兩種方式的改進，設(shè)計出的智能啟發(fā)函數(shù)能很好的兼顧無人配送車可通行區(qū)域和障礙物區(qū)域，找到最適合無人配送車通行的路徑.改進的距離定義智能啟發(fā)函數(shù)的具體形式如式(6)和式(7)所示.式(8)和式(9)是將改進的距離定義智能啟發(fā)函數(shù)融入A*算法估價函數(shù)的具體形式.

圖3 改進A＊算法的路徑規(guī)劃流程圖

其中，式(6)表示改進了搜索方向上所采用的距離方式，在當(dāng)前柵格的上、下、左、右四個方向上，通過采用Manhattan距離進行定義；在當(dāng)前柵格的左上、右上、左下、右下四個方向上，通過采用歐幾里得距離進行定義；式(7)改進之處是在Euclidean距離和Manhattan距離定義的基礎(chǔ)上，使Euclidean距離定義的啟發(fā)函數(shù)和Manhattan距離定義的啟發(fā)函數(shù)保持一定比例，其中K表示距離加權(quán)值，n為正整數(shù).公式(8)和(9)是將公式(6)和(7)修改的啟發(fā)函數(shù)代入A*算法總的估價函數(shù)中，是改進A*算法估價函數(shù)的具體實現(xiàn)形式，即公式(8)是在當(dāng)前柵格的上、下、左、右四個方向上進行使用，公式(9)是在當(dāng)前柵格的左上、右上、左下、右下四個方向上進行使用.因此改進后的距離定義啟發(fā)函數(shù)更為智能，提高了搜索的效率，縮短了無人配送車的路徑規(guī)劃時間.

3.2 路徑轉(zhuǎn)折線段優(yōu)化策略

A*算法在柵格地圖中進行路徑規(guī)劃，起初是以起始點作為當(dāng)前擴展點，估價函數(shù)不斷評估當(dāng)前擴展點的周圍節(jié)點并選取具有最低估價值的節(jié)點作為下一個擴展節(jié)點，不斷向周圍節(jié)點進行擴展，直到目標(biāo)節(jié)點找到，從目標(biāo)節(jié)點進行回溯生成路徑，完成搜索的過程.但此時生成的路徑曲線轉(zhuǎn)折點過多，轉(zhuǎn)折角度過大，致使無人配送車不能安全平穩(wěn)實時的運行.針對這個問題，本文提出了一種優(yōu)化策略，可以優(yōu)化路徑的轉(zhuǎn)折曲線為圓弧，最大限度地平滑所規(guī)劃生成的路徑.路徑轉(zhuǎn)折線段優(yōu)化前后效果圖如圖4所示.

圖4 路徑轉(zhuǎn)折線段優(yōu)化前后效果圖

本文提出的路徑轉(zhuǎn)折線段優(yōu)化策略是依據(jù)數(shù)學(xué)上的邊弧優(yōu)化原理，對之前融入智能啟發(fā)函數(shù)后規(guī)劃生成的初始路徑進行邊弧優(yōu)化.關(guān)鍵步驟是計算出路徑轉(zhuǎn)折處節(jié)點間的轉(zhuǎn)折角度α，并通過公式(10)求出其余弦值，計算公式如下：

其中(x1,y1),(x2,y2),(x3,y3)為初始路徑三個相鄰節(jié)點的坐標(biāo).由于無人配送車在柵格地圖中轉(zhuǎn)動的角度只存在0°、45°和90°這三種情況，因此只需根據(jù)節(jié)點間的夾角和方向，便可以采用邊弧優(yōu)化理論計算出所有轉(zhuǎn)彎情況的半徑，圓心和轉(zhuǎn)彎的弧度.具體實現(xiàn)過程如下：

(1)當(dāng)α＞0°時，無人配送車向左轉(zhuǎn)動，并根據(jù)α值的大小，控制轉(zhuǎn)動的角度；

(2)當(dāng)α=0°時，無人配送車行駛方向保持不變；

(3)當(dāng)α＜0°時，無人配送車向右轉(zhuǎn)動，并根據(jù)值的大小，控制轉(zhuǎn)動的角度.

根據(jù)路徑轉(zhuǎn)折處節(jié)點間的轉(zhuǎn)折角度α的值，無人配送車在轉(zhuǎn)折點處的運動狀態(tài)有以上三種情況，對此采取的路徑轉(zhuǎn)折線段優(yōu)化策略流程圖如圖5所示.

圖5 路徑轉(zhuǎn)折線段優(yōu)化策略流程圖

3.3 安全避障的路徑生成策略

針對無人配送車配送過程中的安全問題，平滑規(guī)劃生成的路徑依然無法保證不與障礙物發(fā)生碰撞，對此，進一步優(yōu)化算法的路徑生成策略，使改進后的算法規(guī)劃生成的路徑與障礙物保持最少半個柵格的距離，以此保證無人配送車在運行的過程中不碰到障礙物，安全地到達(dá)目標(biāo)位置.安全避障的路徑生成策略如圖6所示.

本文提出的安全避障路徑生成策略主要是對子節(jié)點的估價值進行調(diào)整.實現(xiàn)方法如下:(1) 若當(dāng)前的節(jié)點與相鄰節(jié)點的方向和當(dāng)前節(jié)點與其父節(jié)點方向相同,則減小公式(1)中G(n)的估價值；若方向相反，則增加G(n)的估價值.(2)初始路徑轉(zhuǎn)折點間的轉(zhuǎn)彎程度與G(n)的估價值呈正比例相關(guān).轉(zhuǎn)彎程度越大，G(n)的估價值也越大.(3)擴展子節(jié)點的過程中，優(yōu)先擴展垂直水平方向上的節(jié)點，隨后根據(jù)垂直水平方向上是否存在障礙物，如果存在，則不擴展與障礙物相鄰的對角線節(jié)點；如果不存在，則擴展對角線方向節(jié)點.安全避障路徑生成策略的流程圖如圖7所示.

圖6 安全避障的路徑生成策略

圖7 安全避障路徑生成策略的流程圖

4 仿真實驗及結(jié)果分析

為了驗證本文改進的A*算法在無人配送車全局路徑規(guī)劃中具備優(yōu)良的特性，本文根據(jù)無人配送車運行環(huán)境，建立與之完全對應(yīng)的柵格地圖，聚焦規(guī)劃生成路徑的長度，轉(zhuǎn)折角度，生成路徑與障礙物的距離，路徑規(guī)劃時間等一系列影響無人配送車運行的性能指標(biāo)，進行實驗和仿真，并與定向加權(quán)A*算法[7]進行對比.用于仿真實驗的計算機配置為：Ubuntu 16.04.6 LTS Linux 操作系統(tǒng)，處理器：Intel?CoreTM i5-3230M CPU @ 2.60GHZ，運行內(nèi)存為4Gb，仿真平臺采用Matlab R2017b版本.

4.1 改進A＊算法仿真實驗

由于定向加權(quán)A*算法在仿真環(huán)境下，采用較小單位制來約束路徑距離，以提高路徑規(guī)劃的精確性.因此，為搭建與其相同的實驗環(huán)境，對之前所構(gòu)建的柵格進行細(xì)分化處理，每個柵格由之前表示100 個單位細(xì)分表示為1個單位，每個單位以厘米計算，在20*20的柵格地圖中進行算法對比仿真實驗.

圖8 融入智能啟發(fā)函數(shù)規(guī)劃生成的路徑

圖8是融入智能啟發(fā)函數(shù)之后規(guī)劃生成的路徑，其規(guī)劃生成的路徑長度能夠達(dá)到最優(yōu)，并且路徑規(guī)劃的時間明顯減少，與定向加權(quán)A*算法相比，時間從1.379秒減少為0.988秒.因此，融入了智能啟發(fā)函數(shù)之后的A*算法優(yōu)化生成路徑的同時，減少了規(guī)劃生成路徑的時間.

圖9 啟用路徑轉(zhuǎn)折線段優(yōu)化策略規(guī)劃生成的路徑

圖9是啟用路徑轉(zhuǎn)折線段優(yōu)化策略之后規(guī)劃生成的路徑，從圖中可以看出，啟用路徑轉(zhuǎn)折線段優(yōu)化策略之后規(guī)劃生成的路徑能夠?qū)⒙窂睫D(zhuǎn)折線段部分優(yōu)化為圓弧，路徑折點數(shù)和路徑轉(zhuǎn)折角度進一步減少，使得整體規(guī)劃生成的路徑更加平滑，這對于無人配送車的平穩(wěn)運行具有重要的參考價值.

圖10 啟用安全避障路徑生成策略規(guī)劃生成的路徑

圖10是啟用安全避障路徑生成策略之后規(guī)劃生成的路徑，從圖中可以看出，啟用安全避障路徑生成策略之后規(guī)劃生成的路徑與障礙物始終保持半個柵格單位的距離，雖然路徑長度從優(yōu)化之前的23.4cm增加到25.8cm，但是大大提高了無人配送車的避障性能，能夠很好的滿足無人配送車安全無碰的到達(dá)目標(biāo)位置.

4.2 實驗結(jié)果分析

為了進一步清晰直觀的說明本文改進的A*算法能夠規(guī)劃生成出更優(yōu)的路徑，將影響路徑規(guī)劃性能的主要參數(shù)列表顯示，根據(jù)路徑規(guī)劃算法仿真實驗得出的數(shù)據(jù)，對傳統(tǒng)A*算法、定向加權(quán)A*算法[7]和本文改進算法的優(yōu)劣進行量化對比分析.

表1 算法改進前后性能參數(shù)比較1

在安全距離這列數(shù)據(jù)中，定向加權(quán)A*算法規(guī)劃生成的路徑穿過柵格圖中的障礙物頂點時，其路徑的安全距離為0，未穿過障礙物頂點時，其路徑的安全距離為0.707，表2此處表示相同含義.

通過表1可以看出，本文算法規(guī)劃生成的路徑，多項性能參數(shù)都要優(yōu)于傳統(tǒng)A*算法和定向加權(quán)A*算法.其中，本文改進的A*算法規(guī)劃生成的路徑距離為25.8cm，路徑規(guī)劃的時間為0.988s，路徑折點數(shù)顯著減少.此外，本文針對無人配送車路徑規(guī)劃問題進行研究，對初步生成的路徑轉(zhuǎn)折曲線優(yōu)化為圓弧，最大限度的平滑路徑，使生成的路徑轉(zhuǎn)折點數(shù)降至為零，在啟用安全避障路徑生成策略之后，規(guī)劃生成的路徑距離達(dá)不到最短，比定向加權(quán)A*算法規(guī)劃生成的路徑距離要長2.4cm，但是本文算法能夠很好地避開障礙物，這對于無人配送車平穩(wěn)安全的運行具有更加重要的意義.

針對配送車在更大工作場景下，本文改進A*算法、定向加權(quán)A*算法及傳統(tǒng)的A*算法在生成路徑距離，算法運行時間，路徑折點數(shù)，安全距離等性能的表現(xiàn)，接下來進行更大環(huán)境下算法的仿真對比實驗.

圖11 傳統(tǒng)A＊算法規(guī)劃生成的路徑

圖12 定向加權(quán)A＊算法規(guī)劃生成的路徑

圖13 本文改進A＊算法規(guī)劃生成的路徑

通過對圖11，圖12和圖13進行對比分析可知，本文改進A*算法能根據(jù)無人配送車的運行環(huán)境，生成更優(yōu)無碰可行的路徑，不僅進一步減小了規(guī)劃的路徑長度和轉(zhuǎn)折角度，而且還縮短了路徑規(guī)劃的時間，具體的路徑規(guī)劃性能指標(biāo)如表2所示.

通過表2可以看出，本文改進A*算法規(guī)劃生成的路徑，各項性能參數(shù)都比定向加權(quán)A*算法和傳統(tǒng)A*算法更優(yōu)，相較于定向加權(quán)A*算法，本文算法在路徑距離上減少了4.6cm，運行時間上減少了7.381s.相較于傳統(tǒng)A*算法，本文算法在路徑距離上減少了11.4cm，運行時間上減少了8.915s.通過表1、2和圖10、13，可以非常清晰的看出本文改進的A*算法規(guī)劃生成的距離和路徑規(guī)劃的時間均有明顯減少.

表2 算法改進前后性能參數(shù)比較2

5 結(jié)語

為進一步減小路徑轉(zhuǎn)折角度，提高避障性能，滿足無人配送車快速規(guī)劃路徑的要求，本文設(shè)計了一種智能啟發(fā)函數(shù)，并提出了路徑轉(zhuǎn)折線段優(yōu)化策略和安全避障的路徑生成策略，使得改進A*算法更穩(wěn)定有效地減少了路徑規(guī)劃的時間，同時進一步優(yōu)化生成路徑的轉(zhuǎn)折角度，最后使得規(guī)劃生成的路徑安全可靠地避開障礙物.不過本文主要研究的是無人配送車在靜態(tài)已知環(huán)境中的全局路徑規(guī)劃及安全避障研究，雖然改進后的算法進一步減少了規(guī)劃路徑的長度和轉(zhuǎn)折角度，縮短了路徑規(guī)劃的時間，安全有效地避開障礙物，但是在動態(tài)未知環(huán)境下的無人配送車路徑規(guī)劃，還存在一定的局限性.下一步的研究工作是在無人配送車全局路徑規(guī)劃的基礎(chǔ)上，設(shè)計并改進局部路徑規(guī)劃算法，使無人配送車在動態(tài)未知環(huán)境下也能規(guī)劃出最優(yōu)無碰路徑，滿足無人配送車智能配送的需要.